Статистические методы прогнозирования в экономике (k=0)
Цена, руб.400
Номер работы3194
ПредметСтатистика
Тип работы Контрольная
Объем, стр.18
Оглавление «Статистические методы прогнозирования в экономике»
(лабораторный практикум и четыре текущих контроля)
«Применение моделей кривых роста в экономическом прогнозировании»
1. Имеются квартальные данные о прибыли компании (тыс.долл.).
Таблица 1
Исходные данные
t yt (тыс.долл.) t yt (тыс.долл.) t yt (тыс.долл.)
1 80,4 6 115,2 11 147,4
2 88,3 7 118,4 12 155,2
3 92,0 8 127,1 13 169,8
4 98,5 9 131,3 14 176,7
5 109,9 10 136,9 15 192,4

С помощью графического анализа в MS Excel исследуйте компонентный состав временного ряда (наличие трендовой компоненты и случайной).
Обоснуйте возможность применения моделей кривых роста полиномиального типа (I и II порядков) и показательной модели для описания динамики этого ряда.
2. Предположив, что тенденция ряда может быть описана
I) линейной моделью ;
II) параболической моделью ,
III) показательной моделью
определите коэффициенты этих моделей с помощью метода наименьших квадратов (МНК) (показательную модель необходимо привести к линейному виду логарифмированием). Для упрощения расчетов выполните перенос начала координат в середину ряда динамики.
3. Сравните выбранные модели с помощью графического анализа в MS Excel.
Для этого на одном графике изобразите эмпирические данные и теоретические значения, полученные по I, II и III моделям.
4. Сравните построенные модели по характеристикам точности: средней абсолютной ошибке по модулю и средней относительной ошибке по модулю. Проверьте адекватность моделей исходным данным по критерию Дарбина-Уотсона. Сделайте вывод о «качестве» полученных моделей, определите наиболее удачную модель (имеет наименьшие ошибки и адекватна исходным данным по критерию Дарбина-Уотсона).
5. Рассчитайте с помощью лучшей модели точечный прогноз для периода упреждения L = 1.

Текущий контроль №1
1.Тенденция изменения среднегодовой численности промышленно-производственного персонала предприятия описывается моделью: . Согласно модели среднегодовой темп прироста численности составил:
а) 2,2%; б) 31%; в) 22%; г) 12,2%; д)102,2%.

2.Годовая динамика прибыли компании описывается моделью:
Согласно модели среднегодовой прирост прибыли составил:
а) 6,4 [тыс.долл.] б)-6,4 [тыс.долл.] в)372,2 [тыс.долл.] г)72,2 [тыс.долл.]

3.Ежеквартальная динамика процентной ставки банка в течение 5 кварталов представлена в таблице:
t 1 2 3 4 5
yt ,% 7,3 8 8,8 9,7 10,7

Прогноз процентной ставки банка в 6 квартале, рассчитанный с помощью среднего темпа роста, равен:
а) 11,1%; б) 11,8%; в) 10, 9%; г) 11,5%; д)11,6%.

4.Уровни временного ряда изменяются примерно с постоянным темпом роста. Прогноз на один шаг вперед с помощью среднего темпа роста может быть вычислен по формуле:
а) ; б) ; в) ; г) .

5.Динамика временного ряда близка к линейному развитию. Прогноз на два шага вперед с помощью среднего абсолютного прироста может быть вычислен по формуле:
а) ; б) ; в) ; г) .

Текущий контроль №2
1. Представление уровней временного ряда (t=1,2,…,n) в виде:
, где ut -трендовая компонента; -циклическая компонента; st-сезонная компонента; -случайная компонента, соответствует модели:
а) мультипликативной; б) аддитивной; в) смешанного типа; г) адаптивной

2. Представление уровней временного ряда (t=1,2,…,n) в виде: , где ut-трендовая компонента; -циклическая компонента; st-сезонная компонента; -случайная компонента, соответствует модели:
а)мультипликативной; б)аддитивной; в) смешанного типа; г) адаптивной.

3. Для описания периодических колебаний, имеющих период три месяца, используется:
а) сезонная компонента; б) случайная компонента;
в) трендовая компонента; г) циклическая компонента.

4.Представление уровней временного ряда (t=1,2,…,n) в виде:
, где ut -трендовая компонента; -циклическая компонента; st-сезонная компонента; -случайная компонента, соответствует модели:
а) мультипликативной; б) аддитивной; в) смешанного типа; г) адаптивной

5.Для описания периодических колебаний, имеющих период пять лет, используется:
а) сезонная компонента; б) случайная компонента;
в) трендовая компонента; г) циклическая компонента.



Текущий контроль №3
1.Значение критерия Дарбина-Уотсона для временного ряда остатков e1, e1, …, en определяется выражением:
а) ; б) ; в) .

2.После переноса начала координат в середину ряда динамики коэффициент а1 линейной модели равен:
а) ; б) ; в) .

3. Для оценивания неизвестных коэффициентов полиномов используется:
а) метод последовательных разностей; б) метод наименьших квадратов;
в) метод характеристик приростов; г) метод моментов.

4 . Критерий Дарбина-Уотсона служит для:
а) проверки свойства случайности остаточной компоненты;
б) проверки гипотезы о нормальном характере распределения ряда остатков;
в) обнаружения автокорреляции в остатках.

5. Система нормальных уравнений для параболической модели содержит:
а) три уравнения с тремя неизвестными;
б) два уравнения с тремя неизвестными;
в) два уравнения с двумя неизвестными.


Текущий контроль №4
1.Модель экспоненциального сглаживания определяется рекуррентной формулой:
а) ; б) ;
в) ; г) ;

2.В модели экспоненциального сглаживания параметр адаптации  может быть равен:
а) –1,9; б) 99; в) 0,1; г) 1,5; д) 2.

3.Модель Хольта - Уинтерса используется для прогнозирования временных рядов:
а) с мультипликативной сезонностью; б) с аддитивной сезонностью;
в) с экспоненциальным трендом; г) с демпфирующим трендом.

4.Количество параметров адаптации, используемых в модели линейного роста Ч. Хольта, равно:
а) 2; б) 3; в) 1; г) 4.

5. Если расчетное значение критерия Дарбина-Уотсона d меньше нижнего табличного критического значения d1, то:
а) модель не адекватна реальному процессу по данному критерию;
б) модель адекватна реальному процессу по данному критерию;
в) нет достаточных оснований для принятия решения об адекватности модели.



Список использованной литературы:

1. Горелов С. Математические методы в прогнозировании. – М.: Прогресс, 2003.
2. Денискин В. Основы социального прогнозирования в промышленности. – М.: Колос, 2004.
3. Курс экономической теории / Под ред. А.С. Сидоровича. – М.: Учебники МГУ, 2007.
4. Основы экономического и социального прогнозирования / Под редакцией Мосина Н. – М.: Высшая школа, 2005.
5. Саати М.А. Моделирование сложных систем. – М.: Наука, 2003.
6. Цыгичко В. Основы прогнозирования систем. – М.: Финансы и статистика, 2006.

Цена, руб.400

Заказать работу «Статистические методы прогнозирования в экономике (k=0)»

Ваше имя *E-mail *
E-mail *
Оплата картой, электронные кошельки, с мобильного телефона. Мгновенное поступление денег. С комиссией платежной системы
Оплата вручную с карты, электронных кошельков и т.д. После перевода обязательно сообщите об оплате на 3344664@mail.ru




Нажав на кнопку "заказать", вы соглашаетесь с обработкой персональных данных и принимаете пользовательское соглашение

Так же вы можете оплатить:

Карта Сбербанка, номер: 4279400025575125

Карта Тинькофф 5213243737942241

Яндекс.Деньги 4100112624833

QIWI-кошелек +79263483399

Счет мобильного телефона +79263483399

После оплаты обязательно пришлите скриншот на 3344664@mail.ru и ссылку на заказанную работу.